книги / Физические основы нанотехнологий фотоники и оптоинформатики.-1

слоя увеличивается, а нелегированного слоя уменьшается. Приложение обратного напряжения приводит к обратному эффекту. Данную реализацию мемристора следует отнести к классу наноионных устройств.

Математическая модель

Рассмотрим схему с двумя последовательно соединенными резисторами, значения сопротивления которых соответствуют двум указанным слоям окисла титана (рис. 9.18).

Рис.9.18.Модельмемристора,схемасдвумяпоследовательносоединенными слоямиоксида титана TiO2 x ( –кислородныевакансии)и TiO2 (черныйцвет). Две узкиечерныеполоскипобокам–электроды[8]

Пусть w (t) – зависящая от времени толщина легированного слоя; D – суммарная толщина двух слоев; Ron – сопротивление полностью

заполненной легированной пленки между электродами D = w; Roff –

сопротивление полной нелегированной пленки w = 0. Полное нелинейное сопротивление М (мемристивность) имеет вид

где скорость движения границы между слоями определяется скоростью дрейфа E вакансий с подвижностью в электрическом поле

с напряженностью Е. Учитывая, что E UD IRD , получаем

Рассмотренный процесс резистивного переключения, который характерен для оксидов переходных металлов, называется механизмом

221

изменения валентности или механизмом окисления-восстановления. Сопротивление такой структуры обратно пропорционально ее площади.

Существуют структуры (окись никеля NiO), сопротивление которых не зависит от площади. Переключение в них происходит путем образования нитеобразных каналов. Это филаментарный механизм резистивного переключения. Состояния с низким сопротивлением объясняются наличием проводящих филаментов (нитей) с высокой плотностью кислородных вакансий, а мемристорный эффект связан с изменением приграничной структуры этих филаментов. Происходит процесс обратного анодного окисления части филамента, которая находится вблизи металлического платинового электрода. Положительный нарастающий потенциал, приложенный к этому электроду, активирует дрейф вакансий кислорода от анода в глубь материала.

Характеристики мемристора

Важной характеристикой мемристора является вольт-амперная характеристика, т.е. зависимость тока от напряжения в виде гистерезиса при биполярном сигнале возбужденния. Эта приближенная модель предполагает, что вакансии могут полностью вытесняться из легированного слоя. Легированная область не может распространяться на всю толщину устройства.

Вводится вырезающая функция («окно»), которая запрещает параметру w принимать нефизические значения вне интервала 0 < w < D. Тогда уравнение (9.4) принимает вид

где f w являетсяфункциейввидеперевернутойисмещеннойпараболы,

w = D/2 и спадает до нуля на электродах w = 0 и w = D, где скорость границы падает до нуля.

Из формулы (9.2) выражение для тока через мемристор с теку-

222

Из формулы (9.3) получаем

Продифференцируем формулу (9.7) по времени и получим производную, в которую подставим формулу (9.5) и затем формулу (9.6):

Введем коэффициент полярности 1 приложенного к мемри-

стору напряжения в формулу (9.8).

Запишем уравнение для квадрата текущего сопротивления мемристора:

Пример 9.1. Типичный набор параметров для мемристора.

Rm2 t Rm2 0 2 kRd t2 .

2. Для переменнoго напряжения U t U0 sin t получаем

Rm2 t [Rm2 0 2 kRdU0] cos cos t .

Возникающие в этом режиме петли гистерезиса показаны на рис. 9.20. С ростом частоты площадь внутри петель падает и при высокой частоте гистерезис исчезает. Граница между слоями не успевает сдвигаться вслед за переменным внешним напряжением.

223

пульс, чтобы перейти на следующий уровень, или сбросить устройство с помощью единственного отрицательного импульса в 7,5 В. Этот мемристор является диодом, поэтому можете сбросить ячейку памяти без протекания тока, что с обычным мемристором невозможно.

Рис. 9.23. Однонаправленная память: нановолокно из оксида титана работает и как диод, и как мемристор. Изображение от Тринити-колледжа

Эффект памяти можно объяснить физическим изменением, которое имеет место в нановолокне у интерфейса с электродом. Если применить положительное напряжение к одному из контактов, то создаются кислородные вакансии. Удаление кислорода из кристаллической решетки волокна облегчает перемещение электронов в металл. Отрицательный импульс в 7,5 В инъецирует электроны из золотого электрода в нановолокно, уничтожая кислородные вакансии у интерфейса и уменьшая проводимость нановолокна.

9.5.2. Проект инновационного биоморфного нейропроцессора, созданный российскими учеными6

Исследовательская группа Тюменского государственного университета предложила концепцию биоморфного нейропроцессора, который может имитировать информационные процессы вплоть до работы колонки кортекса в коре головного мозга человека.

Нейропроцессор – класс микропроцессоров для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, компьютерного зрения, машинного обучения и других методов искусственного интеллекта.

6 https://ria.ru/science/20180919/1528827563.html.

226

Под биоморфным нейропроцессором ученые ТюмГУ подразумевают автономное аппаратное средство, которое сможет решать нейросетевые задачи. Его построят на основе биоморфной электрической модели нейрона Ходжкина – Хаксли. Схема такого нейропроцессора предполагает входное и выходное устройства для обработки сигналов, запоминающую матрицу, блок нейронов и маршрутизатор на основе логической матрицы (рис. 9.24). Представлены электрические схемы, топология, нанотехнология изготовления и принципы работы основных узлов нейропроцессора – сверхбольших 3D-запоминающей и логической матриц.

Рис.9.24.ЭлементнаябазабиоморфногонейропроцессораТюмГУ

(https://ria.ru/science/20180919/1528827563.html)

Запоминающая матрица– это 3D-структура изодинаковых (и зеркально ориентированных поотношению друг кдругу) комбинированных мемристорно-диодных кроссбаров. Помимо запоминания информации, она выполняетчастьпроцессингадлянейросети,суммируявходныесигналы.

Логическая матрица выполняет собственно логические функции, маршрутизацию сигналов, а также обработку видео- и звуковых сигналов во входном устройстве нейропроцессора. Ее 3D-структура – одинаковые перпендикулярные пласты, коммутируемые через мемристорные кроссбары с селективными диодами. Ученые ТюмГУ продемонстрировали концепцию биоморфного нейропроцессора в октябре 2018 г. на международном семинаре MEM-Q в Греции.

227

В России будут создавать свой нейропроцессор. В отраслевом союзе «Нейронет» объединили усилия четырех компаний, входящих в систему Национальной технологической инициативы (НТИ). Созданный консорциум займется разработкой национального нейропроцессора, способного не только конкурировать с западными образцами, но и стать стопроцентно отечественным, «доверенным», т.е. гарантированно свободным от недокументированных возможностей и аппаратных «закладок». Последнее особенно важно для заказчиков из российского ВПК, где нейронные сети тоже получают широкое распространение – в системах управления боевыми беспилотниками, планировании военных операций, аппаратуре высокоточного наведения стрелкового оружия.

Сейчас работа идет в двух направлениях: во-первых, разработка серверного чипа для мощных серверов в дата-центрах; во-вторых, создание экономичного встраиваемого нейропроцессора для установки на всевозможных «умных» устройствах: смартфонах, роботах, дронах, беспилотных автомобилях.

Разработка отечественной аппаратуры, ускоряющей обсчет нейросетей, – важнейший необходимый проект при существующей конъюнктуре мирового рынка. Соединение универсальных процессорных ядер со специализированными блоками, выполняющими вычисления по нейросетевым алгоритмам с высокой эффективностью, – актуальная современная тенденция. Чтобы такую систему можно было считать доверенной, и ядро, и нейросетевой акселератор должны быть разработаны в России. Кроме микросхемы нейропроцессора, необходимо создать еще и обслуживающую ее программную среду: операционную систему, средства разработки, библиотеки нейросетевых алгоритмов, среду обучения нейросетей. Только тогда можно будет говорить о существовании полноценной отечественной аппаратно-программной нейросетевой платформы.

9.5.3. Нейронный процессор TrueNorth Neurosynaptic System

(американская нейросинапсическая система «истинный север»)

Еще в 2014 г. компания IBM представила чип нового типа, который предназначен для реализации нейронных сетей. Чип содержал 1 млн нейронов и 256 млн синапсов, что похоже на архитектуру неокортекса мозга. Такой процессор можно использовать для решения

228

задач, где требуется высокая и сверхвысокая производительность. Например, с его помощью можно классифицировать объекты в видеопотоке в режиме реального времени.

Позднее Ливерморская национальная лаборатория (LLNL) имени Э. Лоуренса объявила о создании производительного компьютера, принцип работы которого схож с принципом работы мозга человека. Система включает 16 млн нейронов и 4 млрд синапсов. В компьютере, который был разработан лабораторией, всего 16 TrueNorth-чипов (рис. 9.25), а сама система получила название IBM Neuromorphic System.

Рис. 9.25. Чип TrueNorth

Сейчас IBM участвует в совместном проекте с ВВС США. Партнеры собираются создать новый суперкомпьютер, который будет включать 64 млн нейронов и 16 млрд синапсов. При этом потреблять он будет всего 10 Вт энергии, т.е. его можно будет подключить к обычной энергосети.

По мнению разработчиков, новый компьютер (его название

TrueNorth Neurosynaptic System) позволит работать с несколькими ис-

точниками данных одновременно (видео, изображения, аудио и текст). Сейчас один нейроморфный процессор состоит из 5,4 млн транзисторов, составляющих ядра, всего их 4096. Ядра, в свою очередь, создают массив из 1 млн цифровых нейронов, которые взаимодействуют друг с другом посредством 256 млн электрических синапсов.

ВВС США, а именно Air Force Research Lab (AFRL), использует возможности процессора для идентификации военных и гражданских транспортных средств при радиолокации с воздуха. Военные утверждают, что чип работает не хуже, чем мощный военный компьютер. Но энергии при этом потребляется в 20 раз меньше.

229